Variable aleatoria vectorial

Nota : Para el examen pienso pregunta un ejercicio de entropía,

puede ser que de una v.a. discreta y encontrar su entropía,
o un problema similar al último que hicimos la sesión pasada,
o encontrar la entropía de una v.a. binomial, o una v.a. de Poisson.
2 proba_1tm4_10122021_vv.nb

El Peeble maneja la notación de (X, Y) para denotar a este tipo de funciones,

(X, Y) (s) = (X (s), Y (s)) esto es una v.a. bidimensional.

Si en lugar de tomar una función de S a 2 ,

tomamos una función de S a n , tendremos una v.a. n - dimensional,
denotada por (X1 , X2 , ..., Xn ) (s) = (X1 (s), X2 (s), ..., Xn (s))

Ejemplos :
 proba_1tm4_10122021_vv.nb 3

Conceptos básicos de v.a. vectoriales

Vamos a definir las diferentes funciones análogas al caso de
una v.a. pero ahora para v.a. bidimensionales y n - dimensionales :

Función de probabilidad conjunta (caso discreto)

Este tipo de función solo se puede dar cuando la v.a. vectoriales es discreta,
si denotamos por RX,Y el rango de la v.a. (X, Y) y lo tomamos como
aquellas parejas ordenadas de reales la cuales tienen asignado al menos
un punto del espacio muestral, algo importante es que RX,Y ≠ RX × RY .

Para todo para (h, k) ϵRX,Y , la función de probabilidad P está dada por :

P (h, k) = P (X = h, Y = k) = P (X = h ⋂ Y = k) cuando (h, k) ϵRX,Y .

En el caso continuo o cuando una v.a. al menos es continua,

lo anterior usualmente es identicamente cero en todos los puntos, por lo que,
como en el caso de una sola v.a. no se considera en el caso que al menos una sea continua.

Función de Distribución Acumulada de Probabilidad Conjunta (FDAC)

Para la v.a. (X, Y), la FDAC se define,
dada una pareja (h, k) ϵ2 , la función está dada por :
FX,Y (h, k) = P (X ≤ h, Y ≤ k)
4 proba_1tm4_10122021_vv.nb

Función de densidad de probabilidad conjunta (fdpc)

Conocida la FDAC FX,Y (x, y), la función de desidad conjunta está dada por :

∂2 FX,Y
fX,Y (x, y) = (x, y)
∂x ∂y

Ejemplo : Suponga que se lanza una moneda legal en 3 ocasiones,

se anota la secuencia de resultados del experimentoa anterior,
considere la v.a. X = cantidad de soles que se obtienen en la secuencia y sea Y =
último lanzamiento donde se obtiene sol (nota : si no se obtiene sol, se toma Y = 0)

El espacio muestra para este experimento es S = {sss, ssa, sas, ass, aas, asa, saa, aaa}

La función de distribución de probabilidad conjunta es (pmf) :

(X, Y) (sss) = (3, 3) (X, Y) (aas) = (1, 3)

(X, Y) (ssa) = (2, 2) (X, Y) (asa) = (1, 2)

(X, Y) (sas) = (2, 3) (X, Y) (saa) = (1, 1)

(X, Y) (ass) = (2, 3) (X, Y) (aaa) = (0, 0)

La FDAC en este caso está dada por :

u[x_] := Piecewise[{{0, x < 0}, {1, x ≥ 0}}]

1
FX,Y [x_, y_] := (u[x - 3] u[y - 3] + u[x - 2] u[y - 2] + u[x - 1] u[y - 3] +
8
1
u[x - 1] u[y - 2] + u[x - 1] u[y - 1] + u[x] u[y]) + u[x - 2] u[y - 3]
4
Plot3D[FX,Y [x, y], {x, - 1, 4}, {y, - 1, 4}]

La figura corresponde a la FDAC.

La fdpc está dada por :

 proba_1tm4_10122021_vv.nb 5

fX,Y (x, y) =
∂2 FX,Y 1
(x, y) = (δ[x - 3] δ[y - 3] + δ[x - 2] δ[y - 2] + δ[x - 1] δ[y - 3] + δ[x - 1] δ[y - 2] +
∂x ∂y 8
1
δ[x - 1] δ[y - 1] + δ[x] δ[y]) + δ[x - 2] δ[y - 3]
4
Su gráfica es una colección de impulsos.

Pendiente la gráfica.

Para definir las v.a. vectoriales continuas,

procedemos como en el caso de una variable aislada,
observamos las propiedades de las FDAC :

Estas propiedades se siguen de la definición, sin embargo,

es conveniente comparar con las propiedades que vienen en el libro de Peebles que son :
6 proba_1tm4_10122021_vv.nb

(1) es fácil de ver considerando que el evento {X ≤ - ∞} =

{Y ≤ - ∞} = ϕ cuya probabilidad es 0.

2) Se sigue de que los eventos {X ≤ + ∞} = {Y ≤ + ∞} = S

3) Se sigue de que FX,Y es una probabilidad.

4) Si se toma una x fija y y1 < y2 , se tiene que los eventos conjuntos

cumplen la siguiente relación : {X ≤ x, Y ≤ y1 } ⊂ {X ≤ x, Y ≤ y2 },
luego la probabilidad del primero debe ser menor que la probabilidad del segundo,
luego FX,Y (x, y1 ) ≤ FX,Y (x, y2 )

Algo similar ocure para y fijo y x1 < x2 .

5) es fácil de ver usando un diagrama del

plano y pensando la probabilidad como área de un región :

6) FX,Y (x, + ∞) = P (X ≤ x, Y ≤ + ∞) = P (X ≤ x ⋂ S) = P (X ≤ x) = FX (x)

 proba_1tm4_10122021_vv.nb 7

De manera análoga se verifica la otra expresión, a las funciones FX (x) y

FY (y) se les conoce como FUNCIONES DE DISTRIBUCIÓN ACUMULADA MARGINALES.

Nota : Al trabajar con v.a. bidimensional,

la FDAC permite calcular las FDA de las v.a. X y Y que la conforman.

Nota : A pesar de lo que indica Peebles para que

una función en dos variables a los reales sea una FDAC valida,
se debe verificar también que la función sea no decreciente en las variables X y Y,
la propiedad 4, ya que esto no es consecuencia de las propiedades 1, 2 y 5.

Ejemplo :

Las ecuaciones de las funciones son :

FX,Y (x, y) = 0.2 u (x - 1) u (y - 1) + 0.3 u (x - 2) u (y - 1) + 0.5 u (x - 3) u (y - 3)

u[x_] := Piecewise[{{0, x < 0}, {1, x ≥ 0}}]

F[x_, y_] := 0.2 u[x - 1] u[y - 1] + 0.3 u[x - 2] u[y - 1] + 0.5 u[x - 3] u[y - 3]
8 proba_1tm4_10122021_vv.nb

Plot3D[F[x, y], {x, 0, 5}, {y, 0, 5}]

Tarea :
 proba_1tm4_10122021_vv.nb 9

Ejemplo donde se observa que la condición 5 no es fácil de verificar.

Solución :

1) GX,Y (- ∞, - ∞) = GX,Y (x, - ∞) =

GX,Y (- ∞, y) = 0 por el hecho de que la función tiene u (x) la función escalón unitario.

2) GX,Y (+ ∞, + ∞) = lim 1 - ⅇ-(x+y)  = 1.

(x,y)→(+∞,+∞)

3) 0 ≤ GX,Y (x, y) ≤ 1, se sigue de observar que u (x) y u (y) solo pueden valer 0 o 1,
los valores máximos y mínimos depende de 1 - ⅇ-(x+y) ,
se observa que en (0, 0) la función vale 0 y en (+ ∞, + ∞) vale 1. Se puede verificar
entonces que la función solo puede tomar valores en el intervalo [0, 1

4) Para ver que la función dada no es decreciente sobre el eje y el

eje y basta con que encontrar que las derivadas parciales son positivas.

∂ GX,Y
(x, y) = ⅇ-(x+y) > 0
∂x
∂ GX,Y
(x, y) = ⅇ-(x+y) > 0
∂y

La función es no decreciente tanto en x como en y.

(5) La expresión no se satisface en este caso,

para esto basta con tomar (0, 0) y el (1, 1) y ver que ocurre con la expresión :

GX,Y (1, 1) + GX,Y (0, 0) - GX,Y (1, 0) - GX,Y (0, 1) = 1 - ⅇ-2  + 0 - 1 - ⅇ-1  - 1 - ⅇ-1  = - 0.3996.

N1 - ⅇ-2  + 0 - 1 - ⅇ-1  - 1 - ⅇ-1 

- 0.399576

Lo cual no es posible, ya que debe ser una probabilidad,

luego la función dada no es una FDAC valida.■
10 proba_1tm4_10122021_vv.nb

Nota : La expresión para encontrar la probabilidad en un

"rectángulo" n dimensional se vuelve un poco complicada, sin embargo,
hay un esquema similar al del principio de inclusión exclusión,
por ejemplo si se tienen 3 v.a., la probabilidad del "rectángulo" 3 - dimensional es :

P (a1 < X1 ≤ b1 , a2 < X2 ≤ b2 , a3 < X3 ≤ b3 ) =

FX1 ,X2 ,X3 (b1 , b2 , b3 ) - [FX1 ,X2 ,X3 (a1 , b2 , b3 ) + FX1 ,X2 ,X3 (b1 , a2 , b3 ) + FX1 ,X2 ,X3 (b1 , b2 , a3 )] + [
FX1 ,X2 ,X3 (a1 , a2 , b3 ) + FX1 ,X2 ,X3 (a1 , b2 , a3 ) + FX1 ,X2 ,X3 (b1 , a2 , a3 )] - FX1 ,X2 ,X3 (a1 , a2 , a3 )

y se sigue de esta manera para casos con más variables.

Ejemplo de funciones marginales

 proba_1tm4_10122021_vv.nb 11

Tarea :

Ejemplo :
12 proba_1tm4_10122021_vv.nb

Solución :

a)

F[x_, y_] := Piecewise[{{0, x < 0}, {0, y < 0}, {x y, 0 ≤ x < 1 && 0 ≤ y < 1},
{x, 0 ≤ x < 1 && 1 ≤ y}, {y, 1 ≤ x && 0 ≤ y < 1}, {1, 1 ≤ x && 1 ≤ y}}]

Plot3D[F[x, y], {x, - 1, 5}, {y, - 1, 5}]

b) Las funciones de distribución marginales

se obtienen evaluando en una de las variables en + ∞

0 si x < 0
FX (x) = FX,Y (x, + ∞) = x si 0 ≤ x < 1
1 si 1 ≤ x

FX [x_] := Piecewise[{{0, x < 0}, {x, 0 ≤ x < 1}, {1, 1 ≤ x}}]

 proba_1tm4_10122021_vv.nb 13

Plot[FX [x], {x, - 1, 5}]

1.0

0.8

0.6

0.4

0.2

-1 1 2 3 4 5

0 si y < 0
FY (y) = FX,Y (+ ∞, y) = y si 0 ≤ y < 1
1 si 1 ≤ y

Lo cual produce la misma gráfica que para FX (x).■

Propiedades de la función de densidad conjunta

14 proba_1tm4_10122021_vv.nb

Como en el caso de una v.a., la función de densidad es en la mayoría de las

ocasiones más simple de verificar que sea una función de densidad valida o no,
para esto solo se deben verificar las condiciones 1 y 2.
proba_1tm4_10122021_vv.nb 15
16 proba_1tm4_10122021_vv.nb

Solución 4.3 - 2, se observa que la fdpc corresponde a una densidad uniforme

bidimensional definida sobre un rectángulo, su gráfica en el caso a = 2 y b = 3 es :

1
In[12]:= f[x_, y_] := Piecewise , 0 < x < 2 && 0 < y < 3, {0, else}
6
In[13]:= Plot3D[f[x, y], {x, - 1, 3}, {y, - 1, 4}]

Out[13]=

Para encontrar la función de distribución conjunta debemos realizar :

 proba_1tm4_10122021_vv.nb 17

x y
FX,Y (x, y) =   fX,Y (x, y) ⅆ y ⅆ x =
-∞ -∞

0 x<0 o y<0 0 x<0 o y<0

1 x y xy x y
ab
∫0 ∫0 ⅆ y ⅆx 0 ≤ x < a y 0 ≤ y < b
ab
∫0 ∫0 ⅆ y ⅆ x 0 ≤ x < a y 0 ≤ y < b
1 a y y a y
ab
∫0 ∫0 ⅆ y ⅆx x ≤ a y 0 < y < b = ∫ ∫ ⅆy ⅆx
b 0 0
x≥ a y 0<y<b
1 x b x x b
ab
∫0 ∫0 ⅆ y ⅆx 0 ≤ x < a y y≥b ∫ ∫ ⅆy ⅆx
a 0 0
0≤x<a y y≥b
1 x≥a y y≥b 1 x≥a y y≥b

Para el caso que a = 2 y b = 3 :

xy
In[14]:= F[x_, y_] := Piecewise{0, x < 0 || y < 0},  , 0 ≤ x < 2 && 0 ≤ y < 3,
6
y x
 , x ≥ 2 && 0 < y < 3,  , 0 ≤ x < 2 && y ≥ 3, {1, x ≥ 2 && y ≥ 3}
3 2
In[15]:= Plot3D[F[x, y], {x, - 1, 3}, {y, - 1, 4}]

Out[15]=

Solución 4.3 - 3 :
a) La figura de la región, tomando a = 2 y b = 3 es :

In[20]:= A = ParametricPlot[{{2 t, 0}, {2, 3 t}, {2 t, 3}, {0, 3 t}}, {t, 0, 1}];

3
In[21]:= B = Plot - x, {x, 0, 2};
2
In[22]:= Show[A, B]
18 proba_1tm4_10122021_vv.nb

Luego,
3a 3a 3a
3a 1 4 4
-x 1 4 3a
P X+Y ≤ =   ⅆy ⅆx =  - x dx =
4 ab 0 0 ab 0 4
3a
1 3ax x2 4 1 9 a2 9 a2 1 9 a2 9a
- = - = = .
ab 4 2 0 ab 16 32 ab 32 32 b

2 bX 1 b a 1 b ay
b) P Y ≤ =   ay ⅆx ⅆy =  a -  ⅆy =
a ab 0
2b
ab 0 2b
b
1 a y2 1 a b2 1 3
ay- = ab- - (0) = 1 - = .■
ab 4b y=0 ab 4b 4 4

In[26]:= Ce = Plot[3 x, {x, 0, 2}];

In[27]:= Show[A, Ce]

 proba_1tm4_10122021_vv.nb 19

Tarea :

∞ a ⅇa + ⅇ-a ⅇa - ⅇ-a
  ⅇ
-(x+y)
ⅆ x ⅆ y = 1 - cosh (a) + Senh (a) = 1 - + = 1 - ⅇ-a .
0 0 2 2
Out[28]= 1 - Cosh[a] + Sinh[a]

1
Por lo que b =
1 - cosh (a) + Senh (a)
∞ a a ∞ a ∞
  ⅇ
-(x+y)
ⅆ x ⅆ y =  ⅇ-x ⅆ x  ⅇ-y ⅆ y = (- ⅇ-x ) (- ⅇ-y ) = 1 - ⅇ-a .
0 0 0 0 x=0 y=0

In[30]:= ParametricPlot[{{0, 4 t}, {2 t, 0}, {2, 4 t}}, {t, 0, 1}, PlotRange → {{- 1, 5}, {- 1, 4}}]
20 proba_1tm4_10122021_vv.nb